随着我国人民生活水平的不断提高和人口的逐渐老龄化，心血管疾病正逐渐成为威胁人类健康的一大杀手，作为人体四大常规检查的心电图检查，以其方便易测，和可以测出功能性病变的能力，被临床所采用。但动态心电图的人工分析，不仅需要经过专业训练的医师进行大工作量的劳动，而且主观性比较强，因此对动态心电图进行自动分析就显得迫切需要。针对这一需求，本文对动态心电图的智能分析系统进行了研究，并最终予以实现。　　 本文对目前国内外研究的多种心电图自动分析的方法进行了综述，在经过分析比较后，构建了实用的智能分析系统。具体策略方针为构建研究支撑平台，研究平台包括静态心电图纸数据库、MIT/BIH重采样数据库、心电信号发生器数据库、12导联远程心电监护系统采集的临床数据库。其中数据的采样率统一标准化为200Hz，以便于研究中采用统一的信号处理方法；提取心电信号特征点参数，在比较了几种常用的参数提取方法之后，针对常规的心电波形采用改进的差分阈值法来提取特征，针对非典型波形（如束支阻滞）采用小波变换方法，利用Mallat算法对心电信号进行多尺度分解、奇异点检测后，对心电信号各波段进行精确定位并提取其特征参数；对心电信号进行自动诊断，针对不同患者心电信号的特异性，心律失常的判断规则也不相同，应用Fuzzy-ART网络进行前期归类识别，区分出不同的诊断模块，借鉴临床专家的基本思想，利用临床经验对心律失常进行细分类；基于以上基础实现了用于动态心电图智能分析的前后台分析系统，经过临床实验已能基本满足要求。　　 上述分析的实现软件由Visual C++6.0语言编写，具有运算快捷、准确可靠的优点。经实验分析，对于静态心电图、MIT/BIH和心电信号发生器的数据库验证效果良好，尤其是经中国医科大学第一附属医院典型临床病例数据实验，对室上性心律失常分析总正确率大于92％，对室性心律失常分析总正确率大于91％。经过实验验证，目前已能基本满足临床要求。　　 最后，作者对本文的研究工作进行了总结，并对动态心电图智能分析的前景进行了展望。